概率论与数理统计4-1数学期望汇编.ppt

按题意 本题是将X分解成数个随机变量之和,然后利用随 机变量和的数学期望等于随机变量数学期望的和来求 数学期望的,此方法具有一定的意义. * * 概率论 概率论 第一节 数学期望 离散型随机变量的数学期望 连续型随机变量的数学期望 随机变量函数的数学期望 数学期望的性质 课堂练习 小结 布置作业 在前面的课程中，我们讨论了随机变量及其分布，如果知道了随机变量X的概率分布，那么X的全部概率特征也就知道了. 然而，在实际问题中，概率分布一般是较难确定的. 而在一些实际应用中，人们并不需要知道随机变量的一切概率性质，只要知道它的某些数字特征就够了. 因此，在对随机变量的研究中，确定某些数字特征是重要的 . 在这些数字特征中，最常用的是 数学期望、方差、协方差和相关系数 一、离散型随机变量的数学期望 1、概念的引入： 我们来看一个引例. 例1 某车间对工人的生产情况进行考察. 车工小张每天生产的废品数X是一个随机变量. 如何定义X的平均值呢？ 我们先观察小张100天的生产情况 若统计100天, 32天没有出废品; 30天每天出一件废品; 17天每天出两件废品; 21天每天出三件废品; 可以得到这100天中 每天的平均废品数为 这个数能否作为 X的平均值呢？ （假定小张每天至多出现三件废品 ） 可以想象，若另外统计100天，车工小张不出废品，出一件、二件、三件废品的天数与前面的100天一般不会完全相同，这另外100天每天的平均废品数也不一定是1.27. n0天没有出废品; n1天每天出一件废品; n2天每天出两件废品; n3天每天出三件废品. 可以得到n天中每天的平均废品数为 (假定小张每天至多出三件废品) 一般来说, 若统计n天 , 这是 以频率为权的加权平均 当N很大时，频率接近于概率，所以我们在求废品数X 的平均值时，用概率代替 频率，得平均值为 这是 以概率为权的加权平均 这样得到一个确定的数. 我们就用这个数作为随机变量X 的平均值 . 定义1 设X是离散型随机变量，它的分布率是: P{X=xk}=pk , k=1,2,… 请注意 :离散型随机变量的数学期望是一个绝对收敛的级数的和.数学期望简称期望，又称为均值。 若级数 绝对收敛， 则称级数 即 的和为随机变量X的数学期望，记为 , 例1 0 1 2 0 0.2 0.8 0 1 2 0.6 0.3 0.1 例2 到站时刻 8:10 8:30 8:50 9:10 9:30 9:50 概率 1/6 3/6 2/6 一旅客8:20到车站,求他候车时间的数学期望. 例3 按规定,某车站每天8:00~9:00,9:00~10:00 都恰有一辆客车到站,但到站时刻是随机的,且两者 到站的时间相互独立。其规律为： X 10 30 50 70 90 定义2 设X是连续型随机变量，其密度函数为 f (x),如果积分 绝对收敛,则称此积分值为X的数学期望, 即 请注意 : 连续型随机变量的数学期望是一个绝对收敛的积分. 二、连续型随机变量的数学期望 例4 例5 若将这两个电子装置串联连接组成整机,求整机 寿命(以小时计) N 的数学期望. 的分布函数为 三、随机变量函数的数学期望 1. 问题的提出： 设已知随机变量X的分布，我们需要计算的不是X的期望，而是X的某个函数的期望，比如说g(X)的期望. 那么应该如何计算呢？ 那么是否可以不先求g(X)的分布而只根据X的分布求得E[g(X)]呢？ 下面的定理指出，答案是肯定的. 使用这种方法必须先求出随机变量函数g(X)的分布，一般是比较复杂的 . (1) 当X为离散型时,它的分布率为P(X= xk)=pk ; (2) 当X为连续型时,它的密度函数为f(x).若 定理 设Y是随机变量X的函数:Y=g (X) (g是连续函数) 该公式的重要性在于: 当我们求E[g(X)]时, 不必知道g(X)的分布，而只需知道X的分布就可以了. 这给求随机变量函数的期望带来很大方便.